CohAlign 开源工具预测量子神经网络梯度噪声敏感性
ugail · x · 2026-10-23
Hassan Ugail 与 Newton Howard 在 PLoS One 发表论文 CohAlign,提出一个开源工具包,可在实际运行任何含噪声实验或电路扫描之前,预测电荷守恒 brickwork 结构量子神经网络中指定参数梯度二阶矩的一阶噪声敏感性。量子神经网络依赖梯度学习,而真实硬件上的梯度会被噪声迅速冲刷,该工作只需电路与噪声模型的经典描述即可完成预测,为等变量子神经网络的噪声鲁棒性评估提供了先行分析手段。
「研究」频道最新
- 给 AI 沙箱做形式化验证是不是千禧年大奖级难题？ — teortaxesTex · 2026-10-23
- General Reasoning 发布 RLCR：群体奖励训练 agent 组织，自发涌现层级与分工 — daniel_mac8 · 2026-10-23
- JUICE：单一 flow-matching 模型统一图像与文本生成，GenEval 达 0.88 — pratyusha_PS · 2026-10-23
- DeepMind 研究员预告 EMNLP 主题演讲:构建「宪法对齐」科学 — verena_rieser · 2026-10-23
- OSI 黑客松作品 SciLib：用 Lean 对科学理论做机器可检验的形式验证 — CatAstro_Piyush · 2026-10-23
- KronLSTM 层内部结构可视化展示 — gklambauer · 2026-10-23